본 논문은 이용자가 노선의 어느 정류장에서든 임의로 탑승했을 때, 목적지 정류장의 도착 예정 시각(ETA)을 추정하기 위한 새로운 예측 방식을 제안한다. 본 연구에서 사용한 데이터는 초단위로 기록된 DTG 운행 데이터이며, 이를 정류장 단위의 도착 시각과 구간 이동 시간으로 재구성하기 위해 정류장 매칭, 순서 보정, 이상치 제거로 구성된 전처리 절차를 설계하였다. 제안 모델은 Transformer Encoder 구조를 기반으로 하며, 이용자가 실제로 탑승하는 단일 정류장의 도착 시각과 기상정보 그리고 위치를 입력으로 받는다. 모델은 출력으로 전체 정류장의 구간별 이동 시간을 예측하고, 예측된 구간 이동 시간을 누적하여 목적지까지의 ETA를 산출한다. 이러한 설계를 통해 제안 모델은 Curriculum learning 기반 LSTM 모델과 비교하여 상대적으로 긴 노선에서 더 우수한 예측 정확도를 유지하면서도, 학습 시간은 약 50% 단축하였다. 실험을 통해 단일 정류장 정보만으로도 목적지 도착 시간을 효과적으로 예측할 수 있음을 검증하였다.
Cheon et al. (2026) studied this question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: